El impacto de la inteligencia artificial generativa en la personalización del aprendizaje: Un estudio de casos en educación superior
Palabras clave:
Inteligencia Artificial Generativa, Personalización del aprendizaje, Educación Superior, Tecnologías educativas, Aprendizaje adaptativoResumen
Esta revisión bibliográfica examina el impacto de la inteligencia artificial generativa (IAG) en el aprendizaje personalizado en la educación superior. A partir de un análisis crítico de estudios recientes publicados entre 2018 y 2022, examina la capacidad de la IAG para adaptar el contenido, los estilos y el ritmo de aprendizaje a las características y necesidades individuales de los estudiantes. Destaca cómo las herramientas basadas en modelos generativos, como ChatGPT, están siendo utilizadas por docentes y estudiantes para fomentar una experiencia de aprendizaje más flexible, interactiva y centrada en el estudiante, lo que influye positivamente en la motivación, la participación y el rendimiento académico. El artículo también analiza diversos estudios de caso y experiencias prácticas de instituciones de educación superior que han integrado estas tecnologías en sus procesos de enseñanza y aprendizaje. Finalmente, el estudio aborda los principales desafíos éticos, pedagógicos y tecnológicos que plantea la implementación de la IA en entornos educativos, como la protección de datos personales, el acceso equitativo a las tecnologías, el riesgo de dependencia tecnológica y la necesidad de capacitar al profesorado en su uso pedagógico eficaz. El estudio concluye que, si bien la IA generativa no está exenta de limitaciones, representa una oportunidad transformadora para avanzar hacia modelos educativos más personalizados, inclusivos y eficaces. Sin embargo, su impacto positivo dependerá en gran medida del desarrollo de políticas institucionales claras, el uso responsable de las tecnologías y la formación continua de los actores educativos involucrados
Referencias
AI & Education Group. (2021). Generative artificial intelligence in education: Potentials and challenges. Education and Information Technologies, 26(5), 5531–5550. https://doi.org/10.1007/s10639-021-10503-7
Ausubel, D. P. (2002). Adquisición y retención del conocimiento: Una perspectiva cognitiva. Paidós. (No tiene DOI por ser libro impreso traducido al español.)
Baker, R. S., Lindrum, D., Lindrum, M. J., & Perkowski, D. (2020). Using learning analytics in personalized learning. Computers in Human Behavior, 107, 106357. https://doi.org/10.1016/j.chb.2020.106357
Baker, T., & Smith, L. (2019). Educ-AI-tion Rebooted? Exploring the future of artificial intelligence in schools and colleges. Nesta. https://media.nesta.org.uk/documents/ai_in_education_report_final.pdf
Binns, R., Veale, M., Van Kleek, M., & Shadbolt, N. (2018). ‘It's reducing a human being to a percentage’: Perceptions of justice in algorithmic decisions. Proceedings of the 2018 CHI Conference on Human Factors in Computing Systems, 1–14. https://doi.org/10.1145/3173574.3173951
Brown, T., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., ... & Amodei, D. (2020). Language models are few-shot learners. Advances in Neural Information Processing Systems, 33, 1877–1901. https://proceedings.neurips.cc/paper_files/paper/2020/file/1457c0d6bfcb4967418bfb8ac142f64a-Paper.pdf
CASP. (2018). CASP Checklists. Critical Appraisal Skills Programme. https://casp-uk.net/casp-tools-checklists/
Chassignol, M., Khoroshavin, A., Klimova, A., & Bilyatdinova, A. (2018). Artificial Intelligence trends in education: A narrative overview. Procedia Computer Science, 136, 16–24. https://doi.org/10.1016/j.procs.2018.08.233
Chen, C.-M., Xie, H., & Hwang, G.-J. (2020). A personalized mobile learning system based on self-regulated learning strategy for promoting self-regulated learning and learning performance. Computers & Education, 155, 104005. https://doi.org/10.1016/j.compedu.2020.104005
Chen, L., Chen, P., & Lin, Z. (2020). Artificial intelligence in education: A review. IEEE Access, 8, 75264–75278. https://doi.org/10.1109/ACCESS.2020.2988510
Floridi, L., Cowls, J., Beltrametti, M., Chatila, R., Chazerand, P., Dignum, V., ... & Schafer, B. (2018). AI4People—An ethical framework for a good AI society: Opportunities, risks, principles, and recommendations. Minds and Machines, 28(4), 689–707. https://doi.org/10.1007/s11023-018-9482-5
Goodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., ... & Bengio, Y. (2014). Generative adversarial nets. Advances in Neural Information Processing Systems, 27, 2672–2680. https://papers.nips.cc/paper_files/paper/2014/file/5ca3e9b122f61f8f06494c97b1afccf3-Paper.pdf
Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial Intelligence in Education: Promises and Implications for Teaching and Learning. Center for Curriculum Redesign. https://curriculumredesign.org/wp-content/uploads/AI-in-Education_Promises-and-Implications_CCR-2019.pdf
Khosravi, H., Kitto, K., & Knight, S. (2022). AI in education: A learning analytics perspective. Computers in Human Behavior, 128, 107258. https://doi.org/10.1016/j.chb.2022.107258
Luan, H., He, W., & Song, H. (2021). Exploring university teachers' perceptions of artificial intelligence in education. Computers in Human Behavior, 120, 106760. https://doi.org/10.1016/j.chb.2021.106760
Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence unleashed: An argument for AI in education. Pearson Education. https://www.pearson.com/content/dam/one-dot-com/one-dot-com/global/Files/about-pearson/innovation/open-ideas/Intelligence-Unleashed-Publication.pdf
Means, B., Toyama, Y., Murphy, R., & Baki, M. (2014). The effectiveness of online and blended learning: A meta-analysis of the empirical literature. Teachers College Record, 115(3), 1–47. https://doi.org/10.1177/016146811311500307
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., ... & Moher, D. (2021). The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. BMJ, 372, n71. https://doi.org/10.1136/bmj.n71
Pane, J. F., Steiner, E. D., Baird, M. D., & Hamilton, L. S. (2017). Informing Progress: Insights on Personalized Learning Implementation and Effects. RAND Corporation. https://www.rand.org/pubs/research_reports/RR2042.html
Roll, I., & Wylie, R. (2020). Evolution and Revolution in Artificial Intelligence in Education. Educational Research Review, 31, 100360. (Revisión de versión de 2016). https://doi.org/10.1016/j.edurev.2016.03.001
Spector, J. M. (2019). Conceptualizing the emerging field of smart learning environments. Computers & Education, 137, 103625. https://doi.org/10.1016/j.compedu.2019.103625
Tlili, A., Shehata, B., Adarkwah, M. A., Bozkurt, A., Altinay, F., Altinay, Z., … Burgos, D. (2021). Strategies for adopting Artificial Intelligence in education: A systematic review. Computers in Human Behavior, 124, 106552. https://doi.org/10.1016/j.chb.2021.106552
Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes. Harvard University Press. https://www.hup.harvard.edu/catalog.php?isbn=9780674576292
Woolf, B. P. (2010). Building Intelligent Interactive Tutors: Student-Centered Strategies for Revolutionizing E-learning. Morgan Kaufmann. https://doi.org/10.1016/B978-0-12-373594-2.X0001-7
Zawacki-Richter, O., et al. (2019). Systematic review of research on artificial intelligence applications in higher education – where are the educators? International Journal of Educational Technology in Higher Education, 16(1), 1–27. https://doi.org/10.1186/s41239-019-0171-0
Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education – where are the educators? Computers in Human Behavior, 104, 106–115. https://doi.org/10.1016/j.chb.2019.01.010
Zimmerman, B. J. (2002). Becoming a self-regulated learner: An overview. Theory into Practice, 41(2), 64–70. https://doi.org/10.1207/s15430421tip4102_2
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2023 Jonathan Posada González (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
